总第 201 期32公路 与 汽运 N ns电动自行车道路交通安全事故严重性影响因素分析肖向良（ 湖南省交通科学研究院有限公司 ! 湖南长沙 ）摘要 ： 电动自行车已成为中国居民重要的代步工具 ， 但其带来的交通安全问题也非常突出 & 文中基于电动自行车事故历史数据 ， 采用决策树方法构建电动自行车事故严重程度模型 ， 分析伤 害严重程度与骑行者 、 违法行为 、 道路 、 天气环境等的交互效应 & 结果表明 ，影响事故伤害严重程 度最重要的因素是骑行者年龄与违法行为电动自行车交通事故原因分析， 年龄超过 55 岁和在没有非机动车道的道路上非机动 车不靠车行道右侧行驶 、 非机动车逆向行驶 、 非机动车超速 、 横过机动车道时不下车推行等违法行 为事故更易导致严重伤害 ； 容易导致高伤害严重程度的交通情境有 5 种 ， 并提出相关改善建议 &关键词 ： 交通安全 ； 电动自行车 ； 交通事故 ； 决策树 ； 伤害严重性中图分类号: U491.3 文献标志码: A 文章编号 ： ： 1671 ― 2668 （ 2020 ） 06 ― 0032 ― 05电动自行车作为一种介于人力自行车和摩托车 之间的交通工具 ，具有价格低廉 、 行驶速度较快 、 便 捷 、 环保 、 可达性高等优点电动自行车交通事故原因分析，深受中国居民喜爱 ％ 但 电动自行车速度快 、 安全防护能力弱 、 稳定性差等特 点导致其较易发生交通事故电动自行车交通事故原因分析， 且一旦发生事故 ， 相比 自行车 ， 其事故伤害严重程度更大 ％ 目前关于摩托 车和非机动车的安全研究多针对传统自行车和摩托 车 ， 而电动自行车在驾驶群体 、 运行速度 、 行驶距离 等方面均不同于传统自行车及摩托车 ， 其交通安全 特征属性及相应的安全管理政策应具有自身特性 ％ 对交叉口处电动自行车与传统自行车闯红灯行为的 调查结果表明 ， 电动自行车用户闯红灯的概率显著 高于传统自行车 ; 对合肥 2009 — 2011 年 205 名传统 自行车及电动自行车用户的住院记录的分析发现 ， 电动自行车用户受重伤的比例达 1/3, 而传统自行 车用户仅 17% % 而目前少有对电动自行车安全问 题的研究 ， 尤其缺少对电动自行车事故伤害严重程 度影响因素的研究 ％交通事故伤害严重性通常划分为离散的等级程 度 ， 常采用统计回归模型进行伤害严重程度建模 ％ 而统计回归模型都有其模型假设和因变量与自变量 间既定的函数关系 ， 同时自变量间的相互关联也困 扰统计回归模型的应用 ％ 事故伤害严重程度是由人 — 车 一 路 一 环境多种因素共同导致 ， 伤害致因错综 复杂 ， 与统计回归模型的假设不符 ％ 决策树方法可 在不给出事故严重程度和影响因素间函数关系及不 考虑自变量间相互关联的情况下 ， 清晰 、 高效地发掘 二者间的内在关联 ， 还能处理变量的交互作用 ， 分析 多种因素组合对事故伤害严重性的共同影响 。
该文 基于 2014 — 2016 年湖南省电动自行车交通事故记 录 ， 基于决策树方法构建电动自行车事故伤害严重 程度模型 ， 分析事故伤害严重程度与骑行者 、 违法行 为 、 道路及天气环境等之间的交互效应 ， 识别易导致 高伤害严重程度的交通情境 ， 为降低电动自行车事 故伤害严重程度措施制定提供依据 ％1 数据准备道路交通事故数据来自公安部 “ 六合一 ” 交通管 理综合应用平台 ， 交通事故信息涵盖事故特征 、 驾驶 员特征 、 车辆特征 、 事故发生时间及环境特征 ％ 筛选 2014 — 2016 年湖南电动自行车与机动车碰撞事故数 据 （ 不含简易事故 ， 因其信息记录项少 ） 共 2 484 起 ， 事 故信息记录包括骑行者事故伤害严重程度 、 性别 、 年 龄 、 职业 、 户口性质 、 事故发生时间 、 星期 、 季节 、 天气 、 照明 、 路口 、 道路类型及违法行为 13 类 ％从不同角度对交通事故进行分析 ， 结果 （ 见表 1 ） 显示 ： 1 ） 事故伤害严重程度 ％ 骑行者受重伤与死 亡事故的比重达 15.34% % 2 ） 受伤人群特征 ％ 男性 比例 （ 57.69% ） 略高于女性 （ 42.31% ） ; 老年人群 （ 大 于 55 岁 ） 占比较大 ， 达 35.1% ; 受伤人员户口性质多 为 非 农 业 （ 8615% ） % 3 ） 事 故 发 生 位 置 % 事 故 多 发 生于一般城市道路 ， 占比为 56.28% ; 发生在路段的 * 基金项目 ： 湖南省交通运输厅科技与创新项目 （ ； ）
免责声明：本文系转载，版权归原作者所有；旨在传递信息，不代表本站的观点和立场和对其真实性负责。如需转载，请联系原作者。如果来源标注有误或侵犯了您的合法权益或者其他问题不想在本站发布，来信即删。
